我正在努力学习机器学习。
我对一个热门编码有疑问:
我有一个数据集拆分为2个excel表的数据。一张纸上有训练,另一张纸上有测试数据。我首先通过导入pandas的列车数据表来训练我的模型。数据集中存在必须编码的分类特征。我对它们进行了热编码。
导入测试数据集后,如果我对其进行热编码,编码将与训练数据集的编码相同还是不同。如果是这样,我如何解决这个问题?
发布于 2018-07-10 12:09:31
OneHot编码为每个类别或每个值创建二进制属性,一个属性等于1(否则为0)。一个属性等于1(热),而其他属性将为0(冷)。
示例:-
from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder()
1hot = encoder.fit_transform(df_object.reshape(-1,1))
1hot
示例输出:-
array([[0., 0., 0., 1., 0.],
[0., 0., 0., 1., 0.],
[0., 0., 0., 1., 0.],
...,
[0., 1., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 1., 0., 0., 0.]])
您需要检查您在oneHotEncoding中拟合的属性是否为相对接近的值。
https://stackoverflow.com/questions/51256927
复制相似问题